Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-Chain
Ringkasan
Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai bidang, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan pekerjaan manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Sementara itu, pada tahap awal perkembangan cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dihadirkan teknologi, sementara perhatian terhadap isu-isu inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, perdebatan tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain dengan sifat desentralisasi, transparansi, dan ketahanan terhadap sensor, menawarkan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, dengan kedalaman dan luas inovasi yang perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI berskala besar, dan bersaing dalam performa dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
fitur inti dari AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien pengembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut standar yang lebih tinggi untuk konsensus dan mekanisme insentif dasar: AI Layer 1 harus mampu menilai, mendorong, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan pembagian sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin stabil dan makmur, serta secara efektif mengurangi biaya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, memiliki tuntutan yang sangat tinggi terhadap kinerja komputasi dan kemampuan pemrosesan paralel. Lebih jauh lagi, ekosistem AI on-chain sering kali harus mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi permintaan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, mewujudkan ekspansi mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), perhitungan aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar dari output AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis AI, platform ini tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi berbasis AI yang beragam, dan mewujudkan keberlanjutan ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun perkembangan terbaru di bidang ini, menganalisis kondisi pengembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Setia
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal merupakan Layer 2, kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, proyek ini bertujuan untuk membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal), sehingga model AI dapat mencapai struktur kepemilikan di rantai, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan Agen AI yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan tata ekosistem dipimpin oleh salah satu pendiri platform perdagangan, Sandeep Nailwal. Anggota tim memiliki latar belakang dari perusahaan terkenal seperti Meta, Coinbase, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong pelaksanaan proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri platform perdagangan Sandeep Nailwal, Sentient sejak awal didirikan sudah memiliki aura, dengan sumber daya yang kaya, jaringan, dan pengenalan pasar yang kuat, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient telah menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, yang dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
Arsitektur dan Lapisan Aplikasi
Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: Saluran AI (AI Pipeline) dan sistem blockchain.
AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:
Perencanaan Data (Data Curation): Proses pemilihan data yang digerakkan oleh komunitas, untuk penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): memastikan model tetap memiliki proses pelatihan yang sesuai dengan niat komunitas.
Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan pemerintahan yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
Lapisan distribusi: Model kontrol kontrak otorisasi untuk titik masuk pemanggilan;
Lapisan akses: Memverifikasi apakah pengguna diberi wewenang melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi ke pelatih, penyebar, dan validator setiap kali dipanggil.
Kerangka Model OML
Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal) adalah inti dari pemikiran yang diusulkan oleh Sentient, yang bertujuan untuk menyediakan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik sebagai berikut:
Keterbukaan: Model harus open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan verifier.
Loyalitas: Model dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi yang berasal dari AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat diferensiasi dari model. Teknologi inti nya adalah:
Penyisipan sidik jari: Memasukkan sekelompok pasangan kunci nilai query-response yang tersembunyi saat pelatihan untuk membentuk tanda tangan unik model;
Protokol Verifikasi Kepemilikan: Memverifikasi apakah sidik jari tersimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
Mekanisme pemanggilan yang diizinkan: Sebelum memanggil, perlu mendapatkan "Sertifikat Izin" yang diterbitkan oleh pemilik model, dan sistem akan memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Metode ini dapat mencapai "pemanggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegakan dan Eksekusi Keamanan Model
Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default kepatuhan, dengan pelanggaran yang dapat terdeteksi dan dihukum.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang melalui penyisipan pasangan "pertanyaan-jawaban" tertentu, memungkinkan model menghasilkan tanda tangan unik selama fase pelatihan. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti Nitro Enclaves dari platform tertentu) untuk memastikan bahwa model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifiabilitas, serta menyediakan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
 dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
13 Suka
Hadiah
13
3
Bagikan
Komentar
0/400
MondayYoloFridayCry
· 23jam yang lalu
BTC menjaga Dompet menjaga Dewa
Lihat AsliBalas0
BearMarketGardener
· 23jam yang lalu
Masih harus membangun fondasi desentralisasi.
Lihat AsliBalas0
OnchainSniper
· 23jam yang lalu
Raksasa tidak bisa bergerak lagi, mari bergabung di on-chain!
Analisis Menyeluruh AI Layer1: 6 Proyek Membangun Ekosistem AI Desentralisasi
Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-Chain
Ringkasan
Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai bidang, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan pekerjaan manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Sementara itu, pada tahap awal perkembangan cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dihadirkan teknologi, sementara perhatian terhadap isu-isu inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, perdebatan tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain dengan sifat desentralisasi, transparansi, dan ketahanan terhadap sensor, menawarkan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, dengan kedalaman dan luas inovasi yang perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI berskala besar, dan bersaing dalam performa dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
fitur inti dari AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien pengembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut standar yang lebih tinggi untuk konsensus dan mekanisme insentif dasar: AI Layer 1 harus mampu menilai, mendorong, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan pembagian sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin stabil dan makmur, serta secara efektif mengurangi biaya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, memiliki tuntutan yang sangat tinggi terhadap kinerja komputasi dan kemampuan pemrosesan paralel. Lebih jauh lagi, ekosistem AI on-chain sering kali harus mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi permintaan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, mewujudkan ekspansi mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), perhitungan aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar dari output AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis AI, platform ini tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi berbasis AI yang beragam, dan mewujudkan keberlanjutan ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun perkembangan terbaru di bidang ini, menganalisis kondisi pengembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Setia
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal merupakan Layer 2, kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, proyek ini bertujuan untuk membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal), sehingga model AI dapat mencapai struktur kepemilikan di rantai, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan Agen AI yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan tata ekosistem dipimpin oleh salah satu pendiri platform perdagangan, Sandeep Nailwal. Anggota tim memiliki latar belakang dari perusahaan terkenal seperti Meta, Coinbase, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong pelaksanaan proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri platform perdagangan Sandeep Nailwal, Sentient sejak awal didirikan sudah memiliki aura, dengan sumber daya yang kaya, jaringan, dan pengenalan pasar yang kuat, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient telah menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, yang dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
Arsitektur dan Lapisan Aplikasi
Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: Saluran AI (AI Pipeline) dan sistem blockchain.
AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:
Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan pemerintahan yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal) adalah inti dari pemikiran yang diusulkan oleh Sentient, yang bertujuan untuk menyediakan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik sebagai berikut:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi yang berasal dari AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat diferensiasi dari model. Teknologi inti nya adalah:
Metode ini dapat mencapai "pemanggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegakan dan Eksekusi Keamanan Model
Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default kepatuhan, dengan pelanggaran yang dapat terdeteksi dan dihukum.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang melalui penyisipan pasangan "pertanyaan-jawaban" tertentu, memungkinkan model menghasilkan tanda tangan unik selama fase pelatihan. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti Nitro Enclaves dari platform tertentu) untuk memastikan bahwa model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifiabilitas, serta menyediakan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
![Biteye dan PANews merilis laporan penelitian AI Layer1 bersama: Mencari tanah subur DeAI on-chain](